雷鋒網 AI 研習社按：本期雷鋒網 AI 研習社為開發(fā)者搜羅了三個項目，用深度學習玩 LOL，F(xiàn)acebook 開源的物理檢測平臺 Detectron 以及無人機城市環(huán)境導航學習工具 DroNet，對這三個領域感興趣的開發(fā)者可以關注。另外，如果你對自己的 AI 項目有足夠的自信，同時也希望更多的開發(fā)者參與到你的項目中，歡迎將項目的 Github 鏈接發(fā)給雷鋒網 AI 研習社公眾號（okweiwu），說不定下一期推薦的就是你的項目

DeepLeague：「英雄聯(lián)盟LoL」深度學習

Github：https://github.com/farzaa/DeepLeague

DeepLeague 是一個將深度學習、CV、LOL 結合的算法和數(shù)據(jù)集，是作者 Farzaa 在無聊時花了五天的時間完成的開源項目。DeepLeague 使用了超過 100K 張標注圖片來訓練，并且所有的數(shù)據(jù)均來自正規(guī)比賽。

通過分析比賽小地圖中英雄的名稱、坐標、路徑、戰(zhàn)績等信息，DeepLeague 可推斷出蹲草叢、打野、團戰(zhàn)、打大龍的最佳時機。另外，如果你把 Faker 的 VOD 輸入該系統(tǒng)，DeepLeague 還能學習他的打法和技巧。

Detectron：Facebook 開源的頂級物體檢測研究平臺

Github：https://github.com/facebookresearch/Detectron

Detectron 是 Facebook 開源的頂級物體檢測研究平臺， 項目最初開始于 2016 年 7 月，當時的目的是在 Caffe2 的基礎上建立一個快速、靈活的物體檢測系統(tǒng)，內部開發(fā)過程也就從此開始。經過一年半的開發(fā)之后，代碼庫已經成熟了，而且其中集成了許多 Facebook 自己的研究項目，包括在 ICCV 2017 上獲得最佳論文獎（馬爾獎）的《Mask R-CNN》和獲得最佳學生論文獎的《檢測密集物體時的焦距損失》兩篇論文中的算法，以及更早更廣泛使用的 R-CNN 算法家族等。

關于 Detectron 的詳細介紹，請查看雷鋒網此前的報道。

DroNet：無人機城市環(huán)境導航策略學習

Github：https://github.com/uzh-rpg/rpg_public_dronet

無人機在城市街道上飛行很容易導致危險的事故，DroNet 可以讓無人機學會像汽車那樣在嚴格的規(guī)則和制度下飛行。通過前置攝像頭輸入的圖像信息，DroNet 能夠分析無人機的旋轉角度，并計算出當前與外物發(fā)生碰撞的可能性。

這套算法由蘇黎世大學及瑞士國家機器人能力研究中心的研究人員研發(fā)，開發(fā) DroNet 的目的，就是讓無人機提供導航服務，使其安全穿行于城市之間。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。